Ha : b
1
≠ b
2
≠ ……≠ b
k
≠ 0, Ha diterima F-hitung F-tabel artinya variabel independen secara bersama-sama berpengaruh nyata terhadap variabel dependen.
3.6 Uji Asumsi Klasik 3.6.1 Uji Multikolinearitas
Multikolinearitas adalah alat yang dipergunakan untuk menetahui apakah ada hubungan yang kuat di antara variabel independen. Suatu model regresi linear
akan menghasilkan estimasi yang baik apabila model tersebut tidak mengandung multikolinearitas. Untuk mendeteksi ada tidaknya multikolinearitas dapat dilihat
dari nilai R-square, F-hitung, t-hitung, dan standar errornya. Gejala multikolinearitas ditandai dengan munculnya:
a. Standar errornya tinggi.
b. Tidak ada satupun nilai t-
statistik yang signifikan baik pada α = 10, α = 5, ataupun α = 1.
c. Terjadi perubahan tanda atau tidak sesuai dengan teori.
d. R
2
sangat tinggi.
3.6.2 Autokorelasi
Autokorelasi didefenisikan sebagai korelasi antar anggota serangkain observasi yang diurutkan menurut waktu atau ruang. Model regresi linear klasik
mengasumsikan autokolerasi tidak terdapat di dalamnya distribusi atau pengganggu µi dilambangkan dengan:
E µi : µj = 0 i ≠ j
Universitas Sumatera Utara
Ada beberapa cara 2 autokorelasi, yaitu: 1.
Dengan menggunakan atau memplot grafik 2.
Dengan D-W Test Uji Durbin-Watson Uji D-W ini dirumuskan sebagai berikut:
Dw =
Dengan hipotesis sebagai berikut: H
o
: ρ = 0, artinya tidak ada autokorelasi
H
a
: ρ ≠ 0, artinya ada autokorelasi
Dengan jumlah sampel tertentu dan jumlah variabel independen tertentu diperoleh nilai kritis dl dan dudalam table distribusi Durbin–Watson untuk
berbagai nilai α. Hipotesis yang digunakan adalah sebagai berikut
Ho diterima no serial Correlation
Gambar 3.3 Kurva Uji D-W Statistik
∑ e
t
- e
t-1 2
∑ e
t 2
Autokorelasi + Incloncusive
Inclonclusive Autokorelasi -
dl du
4-du 4-dl
Universitas Sumatera Utara
Keterangan: Ho
: Tidak ada autokorelasi DW dl
: Tolak Ho ada korelasi positif DW 4-dl
: Tolak Ho ada korelasi negative du DW 4-du
: Terima Ho tidak ada korelasi dl ≤ DW 4-du
: Pengujian tidak bisa disimpulkan inconclusive 4-
du ≤ DW 4-du : Pengujian tidak dapat disimpulkan inconclusive
3.6.3 Heterokedastisitas
Heterokedastisitas ialah suatu keadaan dimana varian dari kesalahan pengganggu tidak konstan untuk semua nilai variabel bebas, yaitu
E Xi, µj ≠ 0, sehingga E µi
2
≠ δ
2.
Ini merupakan pelanggaran salah satu asumsi tentang model regresi linier berdasarkan metode kuadrat terkecil. Di dalam regresi, biasanya kita berasumsi
bahwa E µi
2
= δ
2
, untuk semua µi, artinya untuk semua kesalahan pengganggu, variannya sama . Pengujian untuk mendeteksi heterokedastisitas dilakukan dengan
cara: Uji Formal yaitu Uji White White’s General Heteroscedasticity Test
Uji White dimulai pengujiannya dengan membentuk model: Yi=
α+ β
1
X
1
+….βnXn+µi Kemudian persamaan di atas dimodifikasi dengan membentuk regresi
bantuan auxiliary regression sehingga model menjadi:
Universitas Sumatera Utara
µi
2
= αo+
α
1
X
1i
+α
2
X
2i
+α
3
X
3i
+α
4
X
4i
+ α
5
X
1i 2
+α
6
X
2i 2
+α
7
X
3i 2
+α
8
X
4i 2
+α
9
X
1i
X
2i
X
3i
X
4i
+µi Pedomannya adalah bahwa tidak terdapat masalah heterokedastisitas dalam hasil
estimasi, jika nilai R
2
hasil regresi dikalikan dengan jumlah data atau n.R
2
= x
2
hitung lebih kecil dibandingkan x
2
tabel. Sementara, akan terdapat masalah heterokedastisitas apabila hasil estimasi menunjukkan bahwa x
2
hitung lebih besar dibandingkan dengan x
2
tabel.
Universitas Sumatera Utara
3.7 Defenisi Operasional
